使用json_encode编码Unicode字符0x10000得到\ud800\udc00的含义是什么

你得到的"\ud800\udc00"是U+10000这个Unicode字符的UTF-16代理对转义表示，完全符合JSON规范要求，具体说明如下：

• Unicode字符的码点范围是U+0000_{U+10FFFF，其中U+0000}U+FFFF被称为基本多语言平面（BMP），剩余的字符都属于辅助平面，U+10000正是辅助平面的第一个字符。
• 单个16位的编码单元最多只能表示U+FFFF的码点，因此辅助平面的字符需要用两个连续的16位编码单元组成「代理对」来表示：
  • 第一个编码单元为高代理位，范围U+D800~U+DBFF，U+10000对应的高代理位就是\ud800
  • 第二个编码单元为低代理位，范围U+DC00~U+DFFF，U+10000对应的低代理位就是\udc00
• JSON标准默认采用UTF-16的转义规则处理非ASCII字符，PHP的json_encode()默认配置下就会把辅助平面的Unicode字符转成对应的代理对转义序列。

如果你不需要转义Unicode字符，可以调用json_encode()时传入JSON_UNESCAPED_UNICODE参数，代码如下：

echo json_encode("\u{10000}", JSON_UNESCAPED_UNICODE);

此时输出会直接是原始UTF-8字符"𐀀"。

内容的提问来源于stack exchange，提问作者Richi RM